Data Engineering 1. Einführung in Data Engineering: Grundlagen und Techniken: Definition und Rolle eines Data Engineers, Überblick über Data Engineering-Prozesse, Wichtige Tools und Technologien im Data Engineering 2. Datenpipelines: Design und Implementierung: Architektur von Datenpipelines, Techniken zur Datenintegration in Pipelines, Best Practices für die Implementierung von Pipelines 3. Datenarchitektur und -modelle im Data Engineering: Überblick über Datenarchitektur-Modelle, Vergleich von relationalen und NoSQL-Datenbanken, Gestaltung von Datenmodellen für spezifische Anwendungen 4. Cloud-Computing im Data Engineering: Einführung in Cloud-Technologien für Daten, Vergleich zwischen verschiedenen Cloud-Anbietern, Migration von Daten in die Cloud: Strategien und Herausforderungen 5. Big Data Technologien und Frameworks: Einführung in Big Data Konzepte, Nutzung von Hadoop und Spark für Datenverarbeitung, Best Practices für die Arbeit mit großen Datensätzen 6. Datenqualität und -sicherheit im Engineering: Techniken zur Gewährleistung von Datenqualität, Sicherheitspraktiken im Umgang mit Daten, Compliance-Anforderungen im Data Engineering 7. Automatisierung und Orchestrierung von Datenprozessen: Tools zur Automatisierung von Datenprozessen, Orchestrierung von Daten-Workflows, Best Practices für die Automatisierung im Data Engineering 8. Praxisprojekt im Data Engineering: Anwendung von Kenntnissen: Entwicklung eines eigenen Data Engineering-Projekts, Präsentation und Feedback zu Projektarbeiten, Reflektion der Lernerfahrungen und Herausforderungen